LangGraph ile otonom RAG mimarilerini anlatan rehber yayımlandı

Açık kaynak yazılım ekosisteminde paylaşılan yeni bir eğitim projesi, büyük dil modellerinin bilgiye erişim süreçlerini optimize eden otonom RAG yaklaşımlarını bir araya getirdi. Toplam 10 Jupyter not defterinden oluşan çalışma, LangGraph çatısını kullanarak geleneksel arama tabanlı üretim hatlarının hatalarını tespit eden, bunları düzelten ve insan onayına sunan farklı mimarileri inceliyor. İlk dört defterin açık kaynak olarak sunulduğu projede, durum yönetimi ve koşullu yönlendirme gibi temel mekanizmalar ayrıntılarıyla aktarılıyor.

İleri seviye mimarileri kapsayan diğer bölümlerde ise Düzeltici RAG, Uyarlanabilir RAG, İnsan Denetimli RAG ve Çoklu Ajan Denetçi sistemleri gibi yapılar ele alınıyor. Proje kapsamında vektör veri tabanından gelen belgelerin alaka düzeyini puanlayan algoritmalar kuruluyor ve yetersiz bilgi durumunda harici web aramasına geçiş yapan otomatik mekanizmalar çalıştırılıyor. Karmaşık ve karşılaştırmalı sorgular için soruları alt başlıklara bölüp paralel yürüten "Map-Reduce" akışları da bu uygulamalar arasında bulunuyor.

Sistemin çalışma altyapısında yerel yerleştirme modeli olarak BAAI/bge-m3 ve vektör depolama için Chroma kullanılıyor. Bağımlılık yönetimi tek bir kilit dosyasıyla uv aracı üzerinden sağlanırken, dil modeli çıkarımları Groq API'siyle, canlı web aramaları ise Tavily entegrasyonuyla gerçekleştiriliyor. Hazırlanan modüler mimari, geliştiricilerin üretim seviyesinde daha güvenilir ve halüsinasyon oranı düşük arama arayüzleri inşa etmesine olanak tanıyor.